MétaCan
Menu
Retour à la cohorte
Enregistrement W1513807882 · doi:10.1029/2008gl036220

Temperature and concentration feedbacks in the carbon cycle

2009· article· en· W1513807882 sur OpenAlexaff
G. J. Boer, Vivek K. Arora

Notice bibliographique

RevueGeophysical Research Letters · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésPositive feedbackCarbon fibersAtmosphere (unit)Environmental scienceCarbon cycleGreenhouse gasNegative feedbackAtmospheric sciencesCarbon dioxideFlux (metallurgy)Coupled model intercomparison projectRange (aeronautics)Global warmingClimate changeChemistryMaterials scienceMeteorologyClimate modelPhysicsGeologyOceanographyEcosystem

Résumé

récupéré en direct d'OpenAlex

Feedback processes in the carbon budget are investigated in a manner that parallels the treatment of feedback processes in the energy budget. The analysis is applied to simulations with the CCCma earth system model CanESM1 using a range of emission scenarios. For the atmosphere there is a positive “carbon‐temperature” feedback which acts to increase CO 2 flux to the atmosphere as temperatures warm. There is also a negative “carbon‐concentration” feedback which acts to remove CO 2 from the atmosphere via enhanced uptake of CO 2 by the land and ocean as CO 2 concentration increases. While the positive feedback associated with temperature change is reasonably linear and consistent as temperature increases, the feedback associated with CO 2 concentration is not. The negative carbon‐concentration feedback weakens with increasing CO 2 concentration thereby enhancing atmospheric CO 2 and accelerating global warming. The behaviour of the inferred carbon‐concentration feedback is different for different emission scenarios implying a dependence on state variables other than CO 2 concentration. The carbon‐concentration feedback behaviour inferred for a particular scenario may not, therefore, be used to infer system behaviour for other scenarios.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,925
Score d'incertitude au seuil0,227

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,253
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations58
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207